The findings about the Saudi stock

The findings about the Saudi stock market returns are in line with the suggestions of some of the earlier works. For example, Mandelbrot (1963) and Fama (1965) suggest, among others, that stock returns tend to follow non-normal distribution. Rydberg (2000) show that stock market returns are characterized by leptokurtosis, skewness and volatility clustering. GARCH model is most apt for data series with volatility clustering and tail behavior time series data. According to Bollerslev (1986) and Engle (1993), standard GARCH (1, 1) specification is adequate for modeling many high frequency time series data. Engle (2001) argues that higher order models are applicable only when the data span a long period of time or of a higher frequency of hourly data. Hence, the study adopts GARCH (1, 1) model.

Kết quả (Việt) 1:

Những phát hiện về trả về thị trường chứng khoán ả là phù hợp với những lời đề nghị của một số các tác phẩm trước đó. Ví dụ, Mandelbrot (1963) và Fama (1965) đề nghị, trong số những người khác, trở về chứng khoán có xu hướng để làm theo không - phân phối bình thường. Rydberg (2000) cho thấy rằng thị trường chứng khoán trở về được đặc trưng bởi leptokurtosis, skewness và biến động cụm. GARCH mô hình đặt apt cho dữ liệu series với biến động clustering và đuôi dữ liệu chuỗi thời gian hành vi. Theo Bollerslev (1986) và Engle (1993), đặc tả tiêu chuẩn GARCH (1, 1) là đủ cho mô hình hóa dữ liệu chuỗi thời gian tần số cao nhiều. Engle (2001) lập luận rằng mô hình đặt hàng cao hơn là áp dụng chỉ khi các dữ liệu khoảng một thời gian dài của thời gian hoặc một tần số cao của dữ liệu hàng giờ. Do đó, nghiên cứu thông qua mô hình GARCH (1, 1).

Kết quả (Việt) 2:

Những phát hiện về sự trở lại thị trường chứng khoán Ả Rập là phù hợp với những lời đề nghị của một số các công trình trước đó. Ví dụ, Mandelbrot (1963) và Fama (1965) cho thấy, trong số những người khác, mà lợi nhuận cổ phiếu có xu hướng phân bố theo không bình thường. Rydberg (2000) cho thấy lợi nhuận của thị trường chứng khoán được đặc trưng bởi leptokurtosis, độ lệch và biến động clustering. GARCH là mô hình thích hợp nhất cho loạt dữ liệu với dữ liệu biến động nhóm và các chuỗi thời gian hành vi đuôi. Theo Bollerslev (1986) và Engle (1993), tiêu chuẩn GARCH (1, 1) đặc điểm kỹ thuật là đủ để mô hình hóa nhiều dữ liệu tần số cao chuỗi thời gian. Engle (2001) lập luận rằng mô hình bậc cao chỉ áp dụng khi các dữ liệu kéo dài trong một thời gian dài hoặc của một tần số cao hơn của dữ liệu hàng giờ. Do đó, nghiên cứu này thông qua GARCH (1, 1) mô hình.